Wendy Gilbert, Senior Vice President for Produkt, Mark43 – Interviewserie

Wendy Gilbert, Senior Vice President for Produkt hos Mark43, har mere end to årtiers erfaring indenfor offentlig sikkerhedsteknologi, med en karriere, der omfatter produktledelseslederroller i virksomheder som CentralSquare Technologies, TriTech Software Systems og VisionAIR. Hun har konsekvent avanceret gennem roller, der fokuserer på records management systemer (RMS) og offentlig sikkerhedsplatforme, og hun leder nu produktstrategien hos Mark43, hvor hun er ansvarlig for at forme udviklingen af cloud-native løsninger, der bruges af politiorganisationer. Hendes ansættelse afspejler en dyb specialisering i at modernisere mission-kritisk software til førstehjælpere, med fokus på brugervenlighed, overholdelse og operationel effektivitet i højrisikomiljøer.

Mark43 er en førende leverandør af cloud-native offentlig sikkerhedsoftware, der tilbyder en integreret platform, der inkluderer records management (RMS), computer-aided dispatch (CAD), analytics og mobile værktøjer, der er designet til politi og nødhjælpstjenester. Bygget på en SaaS-arkitektur, giver platformen mulighed for, at organisationer kan strømline rapportering, styre sager og få adgang til realtidsdata fra hvor som helst, hvilket betydeligt reducerer den administrative arbejdsbyrde og forbedrer respons tid. Dets systemer er designet til at erstatte legacy-infrastruktur med skalerbare, sikre og mobile-first-løsninger, der hjælper mere end hundredvis af organisationer med at forbedre situationens bevidsthed, samarbejde og overordnede offentlige sikkerhedsresultater.

De har brugt mere end to årtier på at bygge produkter på tværs af virksomheder som VisionAIR, TriTech, CentralSquare og nu Mark43. Hvordan er deres perspektiv på offentlig sikkerhedsteknologi ændret, og hvad føles fundamentalt anderledes om denne nuværende bølge af AI-adopter?

Teknologien har ændret sig meget over de sidste to årtier. For det meste af denne tid var teknologien designet til at støtte missionen efter faktum. Systemerne fik fat i, hvad der skete, men de hjalp ikke aktivt med at forme, hvad der skulle ske herefter. Det er, hvad der er fundamentalt anderledes nu.

For første gang er vi ikke bare tilføjer teknologi til offentlig sikkerhedsarbejdsgange. Vi genopfinder disse systemer som AI-native fra bunden og op, hvilket ændrer teknologiens rolle fuldstændigt. Vi bevæger os fra systemer til registrering til systemer til handling. I stedet for bare at dokumentere, hvad der sker, hjælper vi organisationer med at fortolke, prioritere og handle i realtid. Dette er første gang i min karriere, hvor jeg har set, at teknologien virkelig fungerer i den hastighed, offentlig sikkerhed fortjener, nemlig at levere produkter, der kan transformere, hvordan organisationer fungerer fra dag til dag, og ultimativt levere bedre offentlige sikkerhedsresultater.

Mark43’s forskning viser stærk støtte til AI blandt politi, men også en tydelig forventning om menneskelig oversigt. Hvad betyder meningsfuld menneskelig involvering i daglige operationer?

I hver enkelt produktbeslutning, vi tager, er principperne klare. AI understøtter. Mennesker beslutter.

AI kan strukturere en rapport, fremhæve links på tværs af poster eller fremhæve vigtig information i et opkald. Men en betjent, en dispatcher eller en efterforsker er altid den, der anvender dom og tager beslutningen. I praksis betyder det, at AI accelererer vejene til indsigt, mens det holder ansvar med mennesket. Det udkaster, foreslår og forbinder, men det beslutter ikke.

Dette er særligt vigtigt i CAD- og RMS-arbejdsgange, hvor beslutninger har reelle konsekvenser. AI’s rolle er at reducere friktion og kognitivt arbejde, så offentlig sikkerhedsprofessionelle kan fokusere på det, der kræver deres ekspertise.

En tilbagevendende bekymring er, om AI-understøttede rapporter og beslutninger vil holde i retten. Hvordan designerer de systemer, der ikke kun er operationelt nyttige, men også retligt forsvarlige?

At komme fra en CAD- og RMS-baggrund, er forsvarlighed ikke noget, man kan undvære. Hvis poster fra et system ikke kan stå til retten, er værktøjerne ikke klar til offentlig sikkerhedsbrug.

Dette starter med gennemsigtighed. Hver AI-genereret output skal være direkte forbundet med dens kilde-data. Brugere skal kunne spore præcis, hvor informationen kom fra, hvordan den blev genereret, og hvordan den blev brugt. Hvis denne kæde ikke er klar, vil systemet ikke holde til undersøgelse. Systemet skal også kende sine begrænsninger. Når data er ufuldstændige, designer vi AI til at fremhæve dette gap, ikke til at løse det på egen hånd. Det gætter ikke.

Endnu en kritisk del er alignment med, hvordan organisationer faktisk opererer. AI kan ikke diktere politik eller arbejdsgang. Det skal overholde de retlige krav, rapporteringsstandarder og operationelle realiteter for hver organisation.

Vi bygger konfigurerbarhed direkte ind i systemet. Overholdelsesvalideringer og AI-tilgange kan indstilles på rapport- og forbrydelseskode-niveau, så organisationer kan vælge, hvor AI-understøttelse er passende, og hvor det ikke er. For eksempel kan en organisation aktivere AI-understøttelse til lavere niveau-episoder, mens det begrænser det i sager, der har en højere bevisstandard.

Vi opretholder fuld gennemsigtighed i, hvordan AI bruges. Hver forekomst af AI-deltagelse er logget, og fuld udraftshistorik er bevaret inden for rapporten. Det skaber en klar, gennemgangsbar post, der støtter både intern ansvarlighed og ekstern retslig undersøgelse.

Disse systemer skal kunne stå til retten fra chefer, advokater og offentligheden for at være operationelt nyttige og effektive.

Hvor er AI allerede leverer målbart værdi i offentlig sikkerhed i dag, og hvor falder det stadig short af forventninger?

Den mest umiddelbare værdi er i de kerne-arbejdsgange, jeg har arbejdet med hele min karriere.

Rapportering er afgørende, men det er også en vedvarende dræn på tid. AI ændrer det ved at omdanne dokumentation til noget, der sker sammen med arbejdet, ikke efter det. Det er en meningsfuld ændring for betjente og organisationer, der har begrænsninger på personalet.

Men den større ændring sker i, hvordan organisationer bevæger sig fra information til handling. AI kan fremhæve, hvad der betyder noget i realtid, ikke kun efter faktum. Hvor jeg ser et gap, er ikke i teknologien. Det er i, hvordan organisationer operationaliserer det. AI kræver klare politikker, styring og træning for at være effektivt. Organisationer, der behandler det som en arbejdsgangs-transformation, ser resultater. Hvis organisationer ser det kun som en funktion, vil det ikke låse den samme mulighed op.

Forudindtagelse forbliver en af de mest kritiske udfordringer i AI, især i politi, hvor historisk data kan afspejle systemiske problemer. Hvordan tilgår Mark43 forudindtagelse, mens det opretholder nøjagtighed og tillid til sine systemer?

Forudindtagelse er en reel bekymring, især i systemer, der afhænger af historisk data.

Fra et produktstandpunkt er svaret ikke at skjule, hvordan systemet fungerer. Det er at gøre det mere gennemsigtigt og ansvarligt. Vi fokuserer på at forbedre datakvaliteten ved indgangspunktet, gøre output konsistent og sikre, at der altid er menneskelig gennemgang. I CAD- og RMS-systemer fører bedre data til bedre beslutninger. AI skal støtte det, ikke undergrave det.

Målet er at grundlægge beslutninger i mere komplet og konsistent information, mens det sikrer, at hver output kan undersøges, gennemgås og forbedres over tid.

Gennemsigtighed og gennemgangsbarhed diskuteres ofte som krav til ansvarlig AI. Hvad ser fuld gennemgangsbarhed ud i praksis for organisationer, der bruger AI-drevne værktøjer?

I offentlig sikkerhedssystemer har gennemgangsbarhed altid været afgørende. AI øger kravene.

For organisationer, der bruger AI, skal der være fuld synlighed i, hvad der blev genereret, hvilke data informerede det, og hvordan det blev brugt. Intet skal eksistere uden en klar forbindelse tilbage til den underliggende post. Hver output skal være forklarbar. Hver skridt skal være gennemgangsbar. Det er sådan, man bygger systemer, der kan tillides, ikke kun operationelt, men også offentligt.

Mange offentlige sikkerhedsorganisationer afhænger stadig af legacy-systemer og fragmenterede data. Hvor vigtigt er det at modernisere infrastrukturen, før AI kan levere målbart værdi?

AI er kun så kraftfuld, som den grund, den står på. Jeg har arbejdet med legacy CAD- og RMS-miljøer for det meste af min karriere, og jeg har set, hvor meget fragmenterede systemer begrænser, hvad organisationer kan gøre. Efterforskere, der bruger disse systemer, skal ofte forespørge multiple værktøjer, blot for at forstå en enkelt sag. Det er ikke bæredygtigt.

AI afhænger af forbundne, tilgængelige data. Hvis systemer er afskåret eller kræver manuelle arbejdsgange, kan AI ikke levere målbart værdi. Det bliver en yderligere kompleksitetsskridt i stedet for en kraftmultiplier. Moderne, cloud-native infrastruktur låser muligheden for AI på tværs af en hel forbundet platform op.

Der er en voksende interesse for AI-systemer, der kan tage handling i stedet for kun at levere indsigt. Ser de en fremtid, hvor AI aktivt deltager i arbejdsgange som sagstyring eller dispatch, og hvor skal grænserne sættes?

AI vil fortsætte med at bevæge sig dybere ind i arbejdsgange, især i områder som opkaldshåndtering, triage og sagstyring. Det vil stadig koordinere arbejdsgange, prioritere handlinger og fremhæve det næste bedste skridt i realtid. Men i offentlig sikkerhed vil der være klare grænser. AI kan anbefale, prioritere og fremhæve vigtig information. Det kan reducere tiden, det tager at bevæge sig fra information til handling. Men beslutninger, der påvirker menneskers liv, skal forblive hos trænede fagfolk. Vores mål er klarhed og tillid på det rette tidspunkt.

Offentlig tillid er afgørende i politiarbejde, især når nye teknologier introduceres. Hvad er de mest effektive sikkerhedsforanstaltninger for at sikre, at AI styrker tillid i stedet for at undergrave den?

Vi erkender, at tillid er noget, offentlige sikkerhedsorganisationer arbejder for at opnå hver dag. Teknologien skal opfylde samme standard. For AI starter det med synlighed og gennemsigtighed. Brugere skal forstå, hvad systemet gør, og hvorfor. Det kræver også konsistens, styring og mulighed for at gennemgå resultater over tid. Vi bygger med en feedback-løkke direkte fra feltet, fordi tillid etableres gennem virkeligt brug og kontinuerlig validering.

Med et blik på de næste par år, hvordan forventer de, at AI’s rolle i offentlig sikkerhed vil udvikle sig fra administrativ støtte til realtidsbeslutning?

AI vil blive integreret på tværs af hele offentlige sikkerheds-livscyklus, fra det øjeblik et opkald kommer ind til, hvordan en sag løses. Den største ændring vil være, hvor hurtigt organisationer kan bevæge sig fra information til handling. Det har altid været udfordringen i CAD- og RMS-systemer. Vi bevæger os mod en model, hvor systemet forstår, hvordan organisationen opererer, forudser de første skridt i en arbejdsproces og hjælper med at udføre dem, mens det forbliver menneskecentreret.

AI’s rolle er at reducere den administrative byrde, samle fragmenterede systemer, fremhæve den rigtige information på det rette tidspunkt og støtte bedre beslutninger under pres. AI kan ikke erstatte erfaring. Det hjælper med at sikre, at folk på frontlinjen er bedre informerede, forberedte og støttede i hver beslutning, de tager.

Tak for det gode interview. Læsere, der ønsker at lære mere, skal besøge Mark43.